问结合科学知识中的独立特性

EN

关于不同特征集的组合，我有一个小问题。

我的处境：

有一些文件的标题，一些标签和文本分类为“垃圾邮件”或“火腿”。为了从文档(标题和文本)中提取特性，我使用了scikit学习bugtracker跟踪器中描述的方法。

在这个步骤之后，我可以使用clf.fit(X,Y)，其中X是fit_transform-operation的结果，Y指示文档是火腿(0)还是垃圾邮件(1)。

我的问题是：

添加标记作为处理功能的最佳方法是什么？我考虑使用包含标记的FeatureHasher作为每个文档的特性(例如{"tag1": 1, "tag35":1})。